In [1]:
#importamos librerias necesarias para nuestro analisis 

from utils import *

events_clean_1 = pd.read_csv("data_limpia_disparos_1.csv")
events_clean_1
Out[1]:
Unnamed: 0 time event_type side event_team opponent player shot_place shot_outcome is_goal location bodypart assist_method situation
0 0 2 Attempt Away Hamburg SV Borussia Dortmund mladen petric High and wide Off target 0 Left side of the box left foot Pass Open play
1 11 14 Attempt Home Borussia Dortmund Hamburg SV shinji kagawa Top right corner Off target 0 Outside the box right foot Pass Open play
2 13 17 Attempt Home Borussia Dortmund Hamburg SV kevin grosskreutz Bottom right corner On target 1 Left side of the box left foot Pass Open play
3 14 19 Attempt Home Borussia Dortmund Hamburg SV mats hummels Blocked Blocked 0 Outside the box right foot None Open play
4 17 20 Attempt Away Hamburg SV Borussia Dortmund tomas rincon Blocked Blocked 0 Outside the box right foot None Open play
... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
227446 940983 81 Attempt Home Atalanta Sampdoria remo freuler Blocked Blocked 0 Outside the box right foot None Open play
227447 940991 84 Attempt Home Atalanta Sampdoria alberto grassi Too high Off target 0 Outside the box right foot Pass Open play
227448 940992 86 Attempt Home Atalanta Sampdoria alejandro gomez Centre of the goal On target 0 Left side of the box right foot Pass Open play
227449 940993 87 Attempt Away Sampdoria Atalanta fabio quagliarella Centre of the goal On target 0 Outside the box right foot Pass Open play
227450 941006 93 Attempt Away Sampdoria Atalanta fabio quagliarella Misses to the left Off target 0 Left side of the box right foot Pass Corner

227451 rows × 14 columns




Análisis Univariado¶



intentos de tiros al arco¶



In [2]:
intentos_de_tiros = events_clean_1['shot_place'].value_counts()
intentos_de_tiros
Out[2]:
Blocked                   54081
Misses to the left        27024
Misses to the right       25213
Centre of the goal        25079
Bottom right corner       18748
Bottom left corner        18260
High and wide             15910
Too high                  15793
Top right corner           6306
Bit too high               6077
Top left corner            5983
Top centre of the goal     5402
Hits the bar               3575
Name: shot_place, dtype: int64




In [3]:
# Agrupamos los resultados de los intentos de tiros al arco  y sus resultados
intentos_de_tiros = events_clean_1['shot_place'].value_counts()
bar1 = px.bar(intentos_de_tiros, color_discrete_sequence=px.colors.sequential.Plasma,title= "Intentos de tiros al arco")

bar1.update_layout(title_x=0.5, title_font_size=30)



Lugar desde donde se ejecuto el tiro al arco¶



In [7]:
#Analizamos y agrupamos el lugar desde donde se ejecuto cada tiro al arco
lugar_de_ejecicion  = events_clean_1['location'].value_counts()
bar2= px.bar(lugar_de_ejecicion, color_discrete_sequence=px.colors.sequential.Plasma,
             title= "Posicion de remates al arco"
      )
bar2.update_layout(title_x=0.5, title_font_size=30)



Resultados de tiros al arco¶



In [8]:
# Agrupamos los resultados de los tiros, vemos que variable "Hit the bar" es menos usual que las demas, 
# ya que un disparo a los postes es menos frecuente que ocurra.
resultado_de_tiros = events_clean_1['shot_outcome'].value_counts()
bar3 = px.bar(resultado_de_tiros, color_discrete_sequence=px.colors.sequential.Plasma,
  title="Resultados de tiros al arco"    )
bar3.update_layout(title_x=0.5, title_font_size=30)



Efectividad de remates al arco¶



In [9]:
#Agupamos la variable "is_goal" para identificar que porcentaje terminó o no en gol.
#Se observa como solo un 10.01% de los intentos termina en gol.
tiros_goals = events_clean_1['is_goal'].value_counts()
fig = px.pie(values=tiros_goals.values, 
             names=tiros_goals.index,
             color_discrete_sequence=px.colors.sequential.Mint)
fig.update_traces(textposition='inside',
                  textfont_size=15)
fig.update_layout(title_text="Remates que fueron o no goles",
                  uniformtext_minsize=10, 
                  uniformtext_mode='hide')

fig.update_layout(title_x=0.5, title_font_size=20) 
fig.data[0].labels= np.array( ["No fue gol", "Fue gol"])
fig.show()





situation en la que se genera un remate al arco¶



In [10]:
#Se analiza la columna "situation" para ver como se genero esa ocasión de gol. 
situacion_de_jugada = events_clean_1.groupby(["situation"]).size()
situacion_de_jugada
#Es claro que la mayoría de estas ocasiones viene de jugadas de juego continuas.
Out[10]:
situation
Corner        18046
Free kick      5408
Open play    192430
Set piece     11567
dtype: int64
In [11]:
#Se analiza la columna "situation" para ver como se genero esa ocasión de gol. 
#Es claro que la mayoría de estas ocasiones viene de jugadas de juego continuas.
tipo_de_jugada = events_clean_1['situation'].value_counts()
bar4 = px.bar(tipo_de_jugada, color_discrete_sequence=px.colors.sequential.Plasma, title="Tipo de ocasiones de gol", 
    )
bar4.update_layout(title_x=0.5, title_font_size=30)





Ocasiones de gol durante los distintos minutos del partido¶



In [12]:
#Se agrupan los eventos según el ,inuto de partido en el que sucedieron.
tiros_en_el_tiempo =  events_clean_1.groupby(["time"]).size()
tiros_en_el_tiempo
Out[12]:
time
0        35
1      1097
2      1760
3      1920
4      2053
       ... 
96       48
97       15
98        5
99        3
100       1
Length: 101, dtype: int64
In [13]:
plt.figure(figsize=(15,10))
sns.histplot(events_clean_1["time"],kde=True, bins=100,)
plt.xlabel ("Minuto del partido")
plt.ylabel ("Cantidad de ocasiones de gol")
plt.xticks(fontsize=16)
plt.yticks(fontsize=16)
plt.title("Ocasiones de gol en distintos minutos del partido", fontsize= 25)


plt.show()

#En este gráfico se observa con claridad que la mayor concentración de ocasiones de gol se da durante los minutos finales.
#Tanto en los finales del primer tiempo (min 45) y en mayor medida cerca del final del partido (min 90)


Análisis Bivariado y Multivariado¶

A continuacion realizaremos un analisis bivariado entre las columnas que son de nuestro interes¶

Columnas importantes:

(shot_place = lugar donde termino el tiro)

(Location = lugar donde se efectuó el tiro)

(shot_outcome = resultado del tiro)

(is_goal = si fue o no un gol)

(side = equipo que efectuó la jugada (local o visitante))

(bodypart = parte del cuerpo con la que realizó la definición de la jugada)

(assist_method = tipo de asistencia)

(situation = tipo de situacion de la jugada)

(time = tiempo de las acciones en el partido)

Primero analizaremos algunas de las variables relevantes junto a la variable "is_goal"¶



Efectividad según la posicion tiro al arco¶



In [14]:
df_location_vs_isgoal = events_clean_1.groupby(["location","is_goal"]).size()
df_location_vs_isgoal
Out[14]:
location                        is_goal
Centre of the box               0          58893
                                1          10269
Difficult angle and long range  0           1474
                                1             39
Difficult angle on the left     0           2362
                                1            193
Difficult angle on the right    0           2271
                                1            176
Left side of the box            0          17799
                                1           1201
Left side of the six yard box   0           2781
                                1            678
Long range                      0           1960
                                1             28
More than 35 yards              0           1955
                                1             22
More than 40 yards              0            252
                                1              3
Not recorded                    1            775
Outside the box                 0          91111
                                1           2498
Penalty spot                    0            607
                                1           1899
Right side of the box           0          17168
                                1           1228
Right side of the six yard box  0           2724
                                1            664
Very close range                0           3324
                                1           3097
dtype: int64
In [15]:
df_location_vs_isgoal1 = pd.DataFrame(df_location_vs_isgoal)
df_location_vs_isgoal1
Out[15]:
0
location is_goal
Centre of the box 0 58893
1 10269
Difficult angle and long range 0 1474
1 39
Difficult angle on the left 0 2362
1 193
Difficult angle on the right 0 2271
1 176
Left side of the box 0 17799
1 1201
Left side of the six yard box 0 2781
1 678
Long range 0 1960
1 28
More than 35 yards 0 1955
1 22
More than 40 yards 0 252
1 3
Not recorded 1 775
Outside the box 0 91111
1 2498
Penalty spot 0 607
1 1899
Right side of the box 0 17168
1 1228
Right side of the six yard box 0 2724
1 664
Very close range 0 3324
1 3097
In [16]:
df_location_vs_isgoal_final = pd.pivot_table(df_location_vs_isgoal1, columns="is_goal", index="location", values= 0)
df_location_vs_isgoal_final
Out[16]:
is_goal 0 1
location
Centre of the box 58893.0 10269.0
Difficult angle and long range 1474.0 39.0
Difficult angle on the left 2362.0 193.0
Difficult angle on the right 2271.0 176.0
Left side of the box 17799.0 1201.0
Left side of the six yard box 2781.0 678.0
Long range 1960.0 28.0
More than 35 yards 1955.0 22.0
More than 40 yards 252.0 3.0
Not recorded NaN 775.0
Outside the box 91111.0 2498.0
Penalty spot 607.0 1899.0
Right side of the box 17168.0 1228.0
Right side of the six yard box 2724.0 664.0
Very close range 3324.0 3097.0
In [17]:
bar5 = px.bar(df_location_vs_isgoal_final, color_discrete_sequence=px.colors.sequential.Hot
 ,title="Efectividad según el lugar de Ejecución del disparo",     )
bar5.update_layout(title_x=0.5, title_font_size=25)

A partir de esta grafica podemos ver cuales son las zonas desde las que es más probale que la jugada termine en gol.¶





Tiros que termiaron en gol según con la parte del cuerpo que se realizó el remate.¶

In [18]:
#Se realiza un groupby para obtener la agrupación de los tiros que termiaron en gol- 
#según con la parte del cuerpo que se realizó el remate.
bodypart_vs_goal = pd.DataFrame(events_clean_1.groupby(["is_goal" , "bodypart"]).size())
bodypart_vs_goal
Out[18]:
0
is_goal bodypart
0 head 31720
left foot 64520
right foot 108441
1 head 3977
left foot 6517
right foot 12276
In [19]:
bodypart_vs_goal1 = pd.pivot_table(bodypart_vs_goal, columns="is_goal", index="bodypart", values = 0)
bodypart_vs_goal1
Out[19]:
is_goal 0 1
bodypart
head 31720 3977
left foot 64520 6517
right foot 108441 12276
In [20]:
bar6 = px.bar(bodypart_vs_goal1, color_discrete_sequence=px.colors.sequential.Hot
 ,title="Efectividad de remates a gol según con que parte ser remató"     )
bar6.update_layout(title_x=0.5, title_font_size=20)
In [ ]:

Se puede observar en el gráfico que claramente hay una mayor cantidad de remates con pierna derecha, por lo tanto hay más goles anotados con remates de derecha de que cabeza o izquierda.¶

Pero en proporción, se anota en un mayor porcentaje cuando el remate es de cabeza (11.14%) que cuando es de derecha (10.16%) o de izquierda (9.17%).¶




Analizamos los tiros que termiaron en gol segúnel tipo de asistencia que recibió el rematador.¶

In [21]:
#Se realiza un groupby para obtener la agrupación de los tiros que termiaron en gol- 
#según el tipo de asistencia que recibió el rematador.
assist_vs_goal = pd.DataFrame(events_clean_1.groupby(["is_goal" , "assist_method"]).size())
assist_vs_goal
Out[21]:
0
is_goal assist_method
0 Cross 38130
Headed pass 6869
None 53387
Pass 100843
Through ball 5452
1 Cross 4848
Headed pass 790
None 6923
Pass 8348
Through ball 1861
In [22]:
assist_vs_goal1 = pd.pivot_table(assist_vs_goal, columns="is_goal", index="assist_method", values = 0)
assist_vs_goal1
Out[22]:
is_goal 0 1
assist_method
Cross 38130 4848
Headed pass 6869 790
None 53387 6923
Pass 100843 8348
Through ball 5452 1861
In [23]:
bar7 = px.bar(assist_vs_goal1, color_discrete_sequence=px.colors.sequential.Hot
 ,title="Efectividad de remates a gol según el tipo de asistencia"     )
bar7.update_layout(title_x=0.5, title_font_size=20)

En la gráfica resulta bastante claro como cuando se realiza un pase filtrado (Through ball), es más factible que la jugada termine en gol.
Por el contrario, cuando se se da pase con la cabeza (Headed ball), resulta más complicado que la jugada termine en gol.




Analizamos según la localía, que situaciones terminaron o no en gol.¶

In [24]:
#Aplicamos un groupby con las 3 variables a analizar.
localia_gol_situacion = events_clean_1.groupby(["side","is_goal","situation"]).size()
localia_gol_situacion
Out[24]:
side  is_goal  situation
Away  0        Corner        6573
               Free kick     2136
               Open play    79256
               Set piece     3570
      1        Corner        1019
               Free kick      309
               Open play     6989
               Set piece     1389
Home  0        Corner        8927
               Free kick     2549
               Open play    97170
               Set piece     4500
      1        Corner        1527
               Free kick      414
               Open play     9015
               Set piece     2108
dtype: int64
In [25]:
#Lo convertimos en un dataframe con el método "reset_index"
localia_gol_situacion1 = localia_gol_situacion.reset_index()
localia_gol_situacion1
Out[25]:
side is_goal situation 0
0 Away 0 Corner 6573
1 Away 0 Free kick 2136
2 Away 0 Open play 79256
3 Away 0 Set piece 3570
4 Away 1 Corner 1019
5 Away 1 Free kick 309
6 Away 1 Open play 6989
7 Away 1 Set piece 1389
8 Home 0 Corner 8927
9 Home 0 Free kick 2549
10 Home 0 Open play 97170
11 Home 0 Set piece 4500
12 Home 1 Corner 1527
13 Home 1 Free kick 414
14 Home 1 Open play 9015
15 Home 1 Set piece 2108
In [26]:
#Le aplicamos el método "pivot" para acomodar la tabla de tal manera que se pueda graficar.
localia_gol_situacion2 = pd.pivot_table(localia_gol_situacion1 ,columns =["is_goal", "side"], index="situation", values = 0)
localia_gol_situacion2
Out[26]:
is_goal 0 1
side Away Home Away Home
situation
Corner 6573 8927 1019 1527
Free kick 2136 2549 309 414
Open play 79256 97170 6989 9015
Set piece 3570 4500 1389 2108
In [ ]:
In [ ]:
In [27]:
# Realizamos la grafica 
localia_gol_situacion2.plot(kind="bar",
            figsize = (10,10), colormap='tab20b')

plt.xlabel ("Tipo de jugada", fontsize=20)
plt.ylabel ("Cantidad de tiros", fontsize=20)
plt.xticks(fontsize=15)
plt.yticks(fontsize=16)
plt.title("Efectividad de remates a gol según situacion de jugada y localia ", fontsize= 20)
plt.show
Out[27]:
<function matplotlib.pyplot.show(close=None, block=None)>



En la gráfica de barras podemos apreciar como hay una mayor concentración de ocasiones de gol por parte de los equipos que juegan como local (barras naranja y roja). Y también es claro que la mayor cantidad de ocaciones de gol se dan en jugadas normales de juego y no en las distintas situaciones a balón parado.¶

Por otro lado, la jugadas de táctica fija (Set piece) son las más efectivas para que la jugada termine en anotación, tanto para los locales (31.90%) como para los visitantes (28%).¶




Analizamos las ocasiones que terminaron en gol según el tipo de asistencia y la ubicación desde donde se remató.¶

In [28]:
#Aplicamos un groupby con las 3 variables a analizar.
location_assist_isgoal = events_clean_1.groupby(["location","is_goal","assist_method"]).size()
location_assist_isgoal
Out[28]:
location           is_goal  assist_method
Centre of the box  0        Cross            28489
                            Headed pass       2267
                            None              8490
                            Pass             17458
                            Through ball      2189
                                             ...  
Very close range   1        Cross              993
                            Headed pass        213
                            None               970
                            Pass               891
                            Through ball        30
Length: 121, dtype: int64
In [29]:
#Lo convertimos en un dataframe con el método "reset_index"
location_assist_isgoal = location_assist_isgoal.reset_index()
location_assist_isgoal
Out[29]:
location is_goal assist_method 0
0 Centre of the box 0 Cross 28489
1 Centre of the box 0 Headed pass 2267
2 Centre of the box 0 None 8490
3 Centre of the box 0 Pass 17458
4 Centre of the box 0 Through ball 2189
... ... ... ... ...
116 Very close range 1 Cross 993
117 Very close range 1 Headed pass 213
118 Very close range 1 None 970
119 Very close range 1 Pass 891
120 Very close range 1 Through ball 30

121 rows × 4 columns

In [30]:
#Le aplicamos el método "pivot" para acomodar la tabla de tal manera que se pueda graficar.
location_assist_isgoal1 = pd.pivot_table(location_assist_isgoal ,columns =["assist_method", "is_goal"], index="location", values = 0)
location_assist_isgoal1
Out[30]:
assist_method Cross Headed pass None Pass Through ball
is_goal 0 1 0 1 0 1 0 1 0 1
location
Centre of the box 28489.0 3172.0 2267.0 353.0 8490.0 1830.0 17458.0 3824.0 2189.0 1090.0
Difficult angle and long range 18.0 NaN 35.0 1.0 849.0 13.0 567.0 24.0 5.0 1.0
Difficult angle on the left 449.0 22.0 82.0 5.0 435.0 34.0 1152.0 90.0 244.0 42.0
Difficult angle on the right 450.0 15.0 76.0 4.0 450.0 38.0 1060.0 73.0 235.0 46.0
Left side of the box 1610.0 48.0 561.0 31.0 3200.0 183.0 11296.0 701.0 1132.0 238.0
Left side of the six yard box 1454.0 264.0 137.0 37.0 543.0 182.0 587.0 161.0 60.0 34.0
Long range 3.0 NaN 45.0 NaN 751.0 5.0 1159.0 23.0 2.0 NaN
More than 35 yards 2.0 NaN 70.0 1.0 893.0 10.0 990.0 11.0 NaN NaN
More than 40 yards NaN NaN 12.0 1.0 120.0 NaN 120.0 2.0 NaN NaN
Not recorded NaN NaN NaN NaN NaN 775.0 NaN NaN NaN NaN
Outside the box 883.0 16.0 2592.0 79.0 32787.0 626.0 54515.0 1671.0 334.0 106.0
Penalty spot NaN NaN NaN NaN 607.0 1899.0 NaN NaN NaN NaN
Right side of the box 1539.0 55.0 559.0 32.0 3144.0 181.0 10759.0 724.0 1167.0 236.0
Right side of the six yard box 1479.0 263.0 124.0 33.0 519.0 177.0 534.0 153.0 68.0 38.0
Very close range 1754.0 993.0 309.0 213.0 599.0 970.0 646.0 891.0 16.0 30.0
In [31]:
#Se reemplazan los valores nulos por "0"
location_assist_isgoal2 = location_assist_isgoal1.replace(np.nan, 0)
location_assist_isgoal2
Out[31]:
assist_method Cross Headed pass None Pass Through ball
is_goal 0 1 0 1 0 1 0 1 0 1
location
Centre of the box 28489.0 3172.0 2267.0 353.0 8490.0 1830.0 17458.0 3824.0 2189.0 1090.0
Difficult angle and long range 18.0 0.0 35.0 1.0 849.0 13.0 567.0 24.0 5.0 1.0
Difficult angle on the left 449.0 22.0 82.0 5.0 435.0 34.0 1152.0 90.0 244.0 42.0
Difficult angle on the right 450.0 15.0 76.0 4.0 450.0 38.0 1060.0 73.0 235.0 46.0
Left side of the box 1610.0 48.0 561.0 31.0 3200.0 183.0 11296.0 701.0 1132.0 238.0
Left side of the six yard box 1454.0 264.0 137.0 37.0 543.0 182.0 587.0 161.0 60.0 34.0
Long range 3.0 0.0 45.0 0.0 751.0 5.0 1159.0 23.0 2.0 0.0
More than 35 yards 2.0 0.0 70.0 1.0 893.0 10.0 990.0 11.0 0.0 0.0
More than 40 yards 0.0 0.0 12.0 1.0 120.0 0.0 120.0 2.0 0.0 0.0
Not recorded 0.0 0.0 0.0 0.0 0.0 775.0 0.0 0.0 0.0 0.0
Outside the box 883.0 16.0 2592.0 79.0 32787.0 626.0 54515.0 1671.0 334.0 106.0
Penalty spot 0.0 0.0 0.0 0.0 607.0 1899.0 0.0 0.0 0.0 0.0
Right side of the box 1539.0 55.0 559.0 32.0 3144.0 181.0 10759.0 724.0 1167.0 236.0
Right side of the six yard box 1479.0 263.0 124.0 33.0 519.0 177.0 534.0 153.0 68.0 38.0
Very close range 1754.0 993.0 309.0 213.0 599.0 970.0 646.0 891.0 16.0 30.0
In [32]:
#Graficamos los datos en un heatmap para observar esta comparativa cómo se comporta.
f,ax = plt.subplots(figsize=(15,15))
map1 = sns.heatmap(location_assist_isgoal2,cmap="YlGnBu",vmax=4000, center=1000,
           square=False,linewidths=.10, annot=True, fmt="0",)

plt.title("Cantidad de jugadas que terminaron en gol o no desde distintas posiciones el campo ", fontsize= 20)
plt.show()


En este heatmap podemos observar como la gran mayoría de las jugadas se definen desde el centro del área, independientemente del tipo de asistencia.¶

Tambien hay una gran concentración de jugadas que no vienen precedidas de una pase de un compañero (None), en este tipo de jugadas están considerados los penales, lo cuales se anotan mucho más de los que fallan (1899 vs 607).¶

Analizamos las jugadas que terminaron en gol según la parte del cuerpo con la que se remató y desde donde se finalizó la jugada.¶




Por último analizaremos a lo largo de los minutos en que momento hay más goles según la localía.¶

In [33]:
f = sns.jointplot(data=events_clean_1, y="is_goal", x="time", hue="side", height=10)
f.fig.suptitle("Ocasiones de gol en distintos minutos del partido",fontsize=20)


f.fig.subplots_adjust(top=0.95)

plt.show()


En este gráfico de jointplot es claro como a lo largo del encuentro hay muchas más ocasiones que NO terminan en gol en comparación con las que si son gol.¶

Y a pesar de que en otro graficos se observó como el local suele tener más ocasiones por partido, la distribución a lo lardo del encuentro es muy similar tanto para lo locales como para los visitantes.¶

Además, es claro como al final de ambos tiempos (min 45 y min 90) hay más ocasiones de gol, y también se anota con mayor frecuencia, en especial cerca del final.¶